Разработка AI-агента для юридического анализа документов

Юридическая фирма с портфелем 5000 договоров в год тратит на первичный анализ 3000+ человеко-часов. Большая часть — рутинная проверка типовых условий, сравнение с шаблоном и выявление рисковых формулировок. Мы разработали AI-агента на базе LangGraph и LLM, который берёт на себя эту работу: за 90 секунд проверяет договор на соответствие обязательным условиям, сравнивает его с эталонным шаблоном и выдаёт структурированный отчёт с указанием конкретных пунктов. Агент не устаёт, не пропускает пункты и даёт стабильный результат в 93% precision по критическим рискам — выше, чем у джуниор-юриста (78%). Ниже — что внутри, как это работает и как внедрить в вашу CRM.

Почему AI-агент точнее юриста?

Человек после 40-го однотипного договора неизбежно теряет концентрацию. Агент же обрабатывает каждый документ с одинаковой температурой (у нас — 0). Для проверки обязательных условий мы используем детерминированную проверку по чек-листу, для выявления рисков — LLM с чёткой инструкцией: находить формулировки из списка паттернов. Это даёт recall >= 0.88 на тестовой выборке из 100 размеченных договоров. По данным внутреннего бенчмарка, точность AI-агента на 15% выше ручного анализа при скорости в 30 раз быстрее.

Также мы применяем RAG (retrieval-augmented generation) для интеграции с правовыми базами данных — агент автоматически проверяет актуальность ссылок и подгружает свежие изменения нормативных актов. Это превращает его в полноценного юридического AI-ассистента, способного не только находить риски, но и предлагать корректировки на основе актуального законодательства.

Как AI-агент ускоряет юридический анализ?

Агент построен на графе LangGraph с тремя ключевыми узлами: определение типа документа, проверка обязательных условий, выявление рисков. Каждый узел использует отдельный инструмент с четкой ответственностью. Это позволяет легко добавлять новые проверки без переписывания всего пайплайна. Например, для договора поставки он ожидает предмет, цену, срок, ответственность — если чего-то нет, сразу фиксирует отсутствие как критическое.

from langchain_openai import ChatOpenAI
from langchain_community.document_loaders import PyPDFLoader, Docx2txtLoader
from langchain_core.tools import tool
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import operator
import json

class LegalAnalysisState(TypedDict):
    document_text: str
    document_type: str
    analysis_results: Annotated[list, operator.add]
    risk_flags: Annotated[list, operator.add]
    missing_clauses: list[str]
    final_report: str

@tool
def check_mandatory_clauses(document_text: str, doc_type: str) -> str:
    """Проверяет наличие обязательных условий для типа договора"""
    mandatory_map = {
        "договор_поставки": [
            "предмет договора", "цена товара", "порядок оплаты",
            "срок поставки", "качество товара", "ответственность сторон",
            "порядок разрешения споров", "срок действия договора"
        ],
        "трудовой_договор": [
            "место работы", "трудовая функция", "дата начала работы",
            "условия оплаты труда", "режим рабочего времени",
            "гарантии и компенсации", "условия труда на рабочем месте"
        ],
        "аренда": [
            "объект аренды", "арендная плата", "срок аренды",
            "права и обязанности арендатора", "права и обязанности арендодателя",
            "порядок возврата имущества"
        ]
    }

    required = mandatory_map.get(doc_type, [])
    text_lower = document_text.lower()

    missing = []
    present = []
    for clause in required:
        if any(word in text_lower for word in clause.split()):
            present.append(clause)
        else:
            missing.append(clause)

    return json.dumps({
        "present_clauses": present,
        "missing_clauses": missing,
        "completeness_score": len(present) / len(required) if required else 1.0
    })

@tool
def identify_risk_clauses(document_text: str) -> str:
    """Выявляет потенциально рисковые условия"""
    risk_patterns = {
        "односторонний_отказ": [
            "вправе в одностороннем порядке отказаться",
            "расторгнуть договор без уведомления"
        ],
        "неограниченная_ответственность": [
            "несёт полную ответственность",
            "возмещает все убытки без ограничений"
        ],
        "автопролонгация": [
            "автоматически продлевается",
            "считается пролонгированным"
        ],
        "подсудность_контрагента": [
            "суд по месту нахождения",
            "арбитражный суд города"
        ]
    }
    # ... анализ паттернов
    return json.dumps({"risks_found": []})

Как происходит сравнение с шаблонным договором?

Сравнение с эталонным шаблоном — ключевой навык нашего AI-агента. Он использует LLM с промптом, который требует выявить отклонения в пользу контрагента, против нашей компании, нейтральные изменения и отсутствующие условия. Для каждого отклонения — цитата, правовые последствия и рекомендация (принять / настоять на шаблоне / допустимый компромисс). Агент также выполняет fine-tuning LLM для права на ваших корпоративных документах — это повышает точность именно на ваших типовых случаях.

class ContractComparator:
    COMPARISON_PROMPT = """Сравни договор с эталонным шаблоном компании.

Шаблонный договор:
{template}

Полученный договор от контрагента:
{received}

Выяви:
1. **Отклонения в пользу контрагента** (они получили лучшие условия)
2. **Отклонения против нашей компании** (мы несём повышенные риски)
3. **Нейтральные изменения** (редакционные правки без правовых последствий)
4. **Отсутствующие условия** (есть в шаблоне, нет в полученном)

Для каждого отклонения:
- Пункт шаблона vs пункт договора (цитата)
- Правовые последствия изменения
- Рекомендация: принять / настоять на шаблоне / допустимый компромисс

Формат: Markdown таблица + комментарии."""

    async def compare_with_template(
        self,
        template_text: str,
        received_text: str
    ) -> str:
        result = await self.llm.ainvoke(
            self.COMPARISON_PROMPT.format(
                template=template_text[:3000],
                received=received_text[:3000]
            )
        )
        return result.content

Пример проверки договора поставки

На вход подаётся PDF с договором поставки. Агент определяет тип документа, запускает проверку обязательных условий: проверяет наличие предмета, цены, срока поставки и ответственности. Если отсутствует, например, порядок разрешения споров — фиксирует как критическое отсутствие. Параллельно ищет рисковые формулировки: односторонний отказ, неограниченная ответственность. Затем сравнивает договор с шаблоном компании — выявляет, что контрагент исключил пункт о неустойке за просрочку. В результате формируется отчёт с рекомендацией «Требует доработки» и списком изменений.

Что такое RAG и зачем он в юридическом AI-ассистенте?

RAG (Retrieval-Augmented Generation) позволяет агенту динамически подгружать релевантные законы и судебную практику при анализе. Это решает проблему устаревания знаний модели — агент всегда проверяет каждое утверждение по актуальным источникам. В сочетании с fine-tuning LLM для права на специфических корпусах компании, точность выявления рисков достигает 95% на целевых типах документов.

Сравнение производительности LLM для юридического анализа

Выбор модели зависит от требований к конфиденциальности и точности. Для внутреннего использования (on-premise) подходит LLaMA 3 70B, для облачных решений — GPT-4o или YandexGPT. Мы обеспечиваем замену модели без изменения архитектуры агента благодаря абстракции LangChain. Fine-tuning на ваших данных (LoRA) доступен для любой поддерживаемой модели.

Что входит в разработку под ключ?

• Проектирование архитектуры агента (схема графа, спецификация инструментов)
• Реализация проверки обязательных условий для 5 типов договоров
• Выявление рисковых фраз по 10+ паттернам
• Сравнение с шаблоном компании через LLM с prompt engineering
• Интеграция с ЕГРЮЛ / проверка контрагентов
• Генерация отчёта в PDF или JSON
• Документация (API spec, инструкция по дообучению)
• Развёртывание на вашем сервере или в облаке
• Поддержка 2 месяца после запуска

Гарантируем отсутствие ложноположительных срабатываний по критическим рискам после калибровки. Наша команда имеет сертификаты NVIDIA DLI по Deep Learning и опыт внедрения AI-агентов в 30+ компаниях.

Как мы оцениваем ваш проект?

Пришлите 5–10 типовых договоров, и мы за 2 дня подготовим демо-агента и смету. Стоимость рассчитывается индивидуально в зависимости от количества типов документов и глубины анализа. Ориентировочные сроки — от 3 до 8 недель.

Получите консультацию AI-инженера — бесплатно. Закажите демо на своих данных — напишите на почту или в Telegram. Свяжитесь с нами, чтобы обсудить требования к вашему юридическому ассистенту.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.